Meta Superintelligence Lab, Muse model ailesinin en küçük ve en verimli üyesi Muse Ember’ı yayımladı. Şirket, modeli “karmaşık akıl yürütmeyi uygulamak ve ajanların gün boyu tekrarladığı işler için” tasarladığını söylüyor: araç çağrıları, kodlama alt görevleri, yönlendirme, bilgi çıkarma ve uzun belge ayrıştırma. Muse Ember, Meta Model API üzerinde muse-ember-1.0 adıyla ve Muse Code ortamında kullanıma sunuldu.
Büyük model planlar, Ember işi yürütür
Meta’nın yaklaşımı net: Muse Ember tek başına en zeki model olmak için değil, büyük bir modelle birlikte çalışmak için tasarlandı. Şirketin ifadesiyle “Muse Wonder planlar, Muse Ember hacmi üstlenir.” Örneğin bir müşteri destek ajanında daha büyük model belirli bir sorunun nasıl ele alınacağına dair kuralları belirliyor, Ember ise bu kuralları on binlerce vakaya uyguluyor.
Meta, ajanların token’larının büyük bölümünü bu tür küçük ve yapılandırılmış adımlara harcadığını, Ember’ın da tam olarak bunun için geliştirildiğini vurguluyor. Model, kayıtları çekip araçları sırayla çağırarak ve farklı uygulamalardaki sistemleri güncelleyerek bir iş akışını baştan sona yürütebiliyor.
Teknik özellikler
- Bağlam penceresi: Yaklaşık 1 milyon token. Bir kod tabanının ya da belge setinin tamamı tek çağrıda modele verilebiliyor.
- Azami çıktı: 512 bin token.
- Girdi türleri: Metin, görsel, video, ses ve PDF. Ajanlar ekran görüntülerini, grafikleri ve taranmış belgeleri okuyabiliyor; sesli notlar ya da toplantı kayıtlarıyla ayrı bir model olmadan çalışabiliyor.
- Akıl yürütme seviyesi: “minimal”den “max”a kadar ayarlanabiliyor; varsayılan değer “max”.
Fiyat: Rakiplerle aynı sınıfta
Muse Ember, 200 bin girdi tokenına kadar olan isteklerde milyon girdi tokenı başına 0,10 dolar, milyon çıktı tokenı başına 0,50 dolar olarak fiyatlandırıldı. 200 bin tokenı aşan isteklerde fiyat girdi için 0,30, çıktı için 1,50 dolara çıkıyor ve bu durumda isteğin tamamı yüksek tarifeden ücretlendiriliyor. Kısa istemlerde bu fiyat, Anthropic’in Claude Haiku 5.5 ve OpenAI’ın GPT-6 Luna modelleriyle aynı. Uzun istemlerdeki eşik değerler hesaba katıldığında Ember, ikisinin arasında bir yerde konumlanıyor.
Kıyaslama sonuçları
Meta’nın paylaştığı sonuçlara göre en yüksek akıl yürütme ayarında Muse Ember:
- Uçtan uca iş akışlarını ölçen AutomationBench-AA’da 37,8 puan aldı; Claude Haiku 5.5 13,9, GPT-6 Luna 20,2 puanda kaldı.
- Agents’ Last Exam testinde 61,6 puanla rakiplerinin önüne geçti.
- Terminal-Bench 4.0’da yüzde 40,9 ile Haiku 5.5’in (yüzde 39,2) hafifçe önünde yer aldı.
- Gerçek mühendislik görevlerini ölçen FrontierCode 2.0-AA’da ise 27,2 puanla Haiku 5.5’in (34,9) gerisinde kaldı.
- Artificial Analysis genel endeksinde Haiku 5.5 ile aynı puanı (36) aldı.
Meta, Ember’ın Haiku’nun en iyi skoruna yaklaşık üçte bir maliyetle ulaştığını ve dolar başına zekâ ölçütünde Luna’nın tüm ayarlarını geçtiğini öne sürüyor. Bu sonuçların büyük kısmının şirketin kendi testlerine dayandığını hatırlatmakta fayda var.
Güvenlik değerlendirmesi
Meta, modeli yayımlamadan önce kimyasal ve biyolojik riskler, siber güvenlik ve kontrol kaybı başlıklarında kendi ölçekleme çerçevesine göre değerlendirdiğini ve Ember’ın bu kategorilerin hiçbirinde yüksek risk eşiğine ulaşmadığını açıkladı. Küçük bir model olmasına rağmen büyük modellerle aynı temel güvenlik eğitiminden geçtiği belirtiliyor.
Küçük modeller neden önemli?
Yapay zekâ ajanları yaygınlaştıkça maliyetin büyük kısmı, tek tek pahalı yanıtlardan değil, binlerce küçük ve tekrarlayan adımdan oluşuyor. Bu nedenle büyük şirketlerin hepsi artık “planlayan büyük model, yürüten küçük model” ikilisine yatırım yapıyor. Muse Ember, Meta’nın bu yarışta ucuz ve çok modlu bir seçenekle iddialı olduğunu gösteriyor.
Kaynak: Meta duyurusu, Meta Model API belgeleri, TechCrunch
